în Timp ce în picioare ca unul dintre cele mai considerat și de succes supravegheate algoritmi de clasificare, k-cel mai apropiat Vecin (kNN) clasificator, în general, prezintă o eficiență slabă din cauza de a fi un exemplu bazat pe metoda., În acest sens, Aproximated Similarity Search (ASS) reprezintă o posibilă alternativă pentru a îmbunătăți aceste probleme de eficiență în detrimentul scăderii tipice a performanței Clasificatorului. În această lucrare luăm ca punct inițial o strategie ASS bazată pe clustering. Îmbunătățim apoi performanța prin rezolvarea problemelor legate de instanțele situate în apropierea limitelor clusterului, mărind dimensiunea acestora și luând în considerare utilizarea rețelelor neuronale profunde pentru învățarea unei reprezentări adecvate pentru sarcina de clasificare în cauză., Rezultatele utilizând o colecție de opt seturi de date diferite arată că utilizarea combinată a acestor două strategii implică o îmbunătățire semnificativă a performanței de precizie, cu o reducere considerabilă a numărului de distanțe necesare pentru clasificarea unui eșantion în comparație cu regula kNN de bază.